稀土作為工業(yè)“維生素”,是國(guó)家的發(fā)展進(jìn)程中十分關(guān)鍵的戰(zhàn)略資源。其中,離子吸附型稀土為中、重類(lèi)型稀土,因?yàn)閮?chǔ)量大,埋藏深度淺的特點(diǎn),占據(jù)著重要的地位。然而,離子吸附型稀土礦的開(kāi)采會(huì)對(duì)生態(tài)環(huán)境造成一定程度的損毀。其先后歷經(jīng)的三種開(kāi)采方式池浸、堆浸、原地浸礦,均會(huì)導(dǎo)致礦區(qū)植被的大面積破壞,且植被自然恢復(fù)困難。為了對(duì)礦區(qū)環(huán)境進(jìn)行恢復(fù),在稀土開(kāi)采結(jié)束以后,通常采用人工復(fù)墾的方式進(jìn)行生態(tài)治理。但稀土開(kāi)采時(shí)使用的浸礦液體,在開(kāi)采過(guò)程中會(huì)通過(guò)滲透作用浸入土壤,損害土壤中的有機(jī)質(zhì),進(jìn)而使土壤成分受到損毀,導(dǎo)致復(fù)墾植被生長(zhǎng)困難。如何對(duì)植被生長(zhǎng)過(guò)程進(jìn)行動(dòng)態(tài)監(jiān)測(cè),從而通過(guò)及時(shí)的人為干預(yù)保證復(fù)墾植被健康生長(zhǎng),進(jìn)而加快礦區(qū)生態(tài)恢復(fù)成為了極其重要的任務(wù)。葉綠素作為植被常用的生化參數(shù),其含量的多少能夠反映出植被的生長(zhǎng)情況。高光譜技術(shù)因其波段范圍窄、波段數(shù)目多的特性,能夠提供更加多樣的光譜信息,進(jìn)而從光譜維對(duì)植被生態(tài)特征進(jìn)行探究。通過(guò)對(duì)植被葉綠素含量與高光譜數(shù)據(jù)實(shí)施Person相關(guān)性分析,結(jié)合各種回歸算法,能夠構(gòu)建出植被葉綠素含量估算模型,從而實(shí)現(xiàn)植被生長(zhǎng)過(guò)程的動(dòng)態(tài)監(jiān)測(cè)。因此,本文以離子吸附型稀土礦區(qū)生長(zhǎng)的典型復(fù)墾植被... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

稀土礦區(qū)植被

第二章材料與方法10第二章材料與方法2.1研究區(qū)概況嶺北稀土礦地理位置處于江西省定南縣北部，占地面積約200km2，迄今為止已經(jīng)進(jìn)行近30年開(kāi)采，產(chǎn)生了大片沙質(zhì)地表。經(jīng)過(guò)長(zhǎng)期的礦產(chǎn)資源開(kāi)發(fā)，尤其是早年間采用的池浸/堆浸方式，使礦區(qū)留下了大面積的尾沙和廢石。同時(shí)，浸礦溶液造成了原有土層結(jié)構(gòu)和營(yíng)養(yǎng)分布一定程度上的破壞，使得廢棄地生態(tài)環(huán)境變差，植被生長(zhǎng)狀況不佳。本文以該礦區(qū)坳背塘稀土礦點(diǎn)作為研究區(qū)域，此區(qū)域位于嶺北稀土礦南部位置，具體坐標(biāo)為東經(jīng)115°04"37″~115°05"41″北緯24°54"10″~24°56"42″，面積約為1.5km2。這個(gè)礦點(diǎn)前期采用池浸/堆浸開(kāi)采，后期利用原地浸礦工藝開(kāi)采，開(kāi)采結(jié)束后留下了大面積的裸露尾砂地。從2000年后開(kāi)始逐步進(jìn)行人工復(fù)墾，但由于土壤沙化嚴(yán)重以及水資源污染，植被長(zhǎng)勢(shì)欠佳。為了探究礦區(qū)修復(fù)工程中，受生態(tài)脅迫因子影響，植被的光譜特征變化規(guī)律。本文選擇具有代表意義的礦區(qū)復(fù)墾植被油桐、竹柳和紅葉石楠當(dāng)作實(shí)驗(yàn)對(duì)象，進(jìn)行高光譜研究。圖2.1研究區(qū)地理位置（左）及高分影像（右）

第二章材料與方法11圖2.2復(fù)墾植被（油桐、竹柳、紅葉石楠）2.2復(fù)墾植被高光譜數(shù)據(jù)及葉綠素含量采集2.2.1高光譜數(shù)據(jù)獲取本次實(shí)驗(yàn)采用美國(guó)ASD公司制造的FieldSpec4型便攜式地物光譜儀完成植被高光譜數(shù)據(jù)獲齲該儀器具備的波譜范圍是350-2500nm。其中，在350-1000nm波譜區(qū)間，該段波譜采樣間隔設(shè)定為1.4nm，分辨率設(shè)定為3nm；在1000-2500nm波譜區(qū)間，該段波譜采樣間隔設(shè)定為2nm，分辨率設(shè)定為10nm。此外，為了保證測(cè)定結(jié)果盡可能的準(zhǔn)確，整個(gè)高光譜數(shù)據(jù)采集過(guò)程應(yīng)遵循實(shí)驗(yàn)規(guī)范要求。具體如下：在采集前，天氣條件應(yīng)保證天空晴朗無(wú)云，光照強(qiáng)度相對(duì)穩(wěn)定，以此盡可能降低天氣狀況對(duì)采集精度的影響。關(guān)于能見(jiàn)度的要求是：對(duì)一般大氣污染不嚴(yán)重區(qū)域，采集時(shí)應(yīng)達(dá)到的水平能見(jiàn)度要求不低于10km。關(guān)于云量的限定是：在太陽(yáng)周?chē)?0°立體角內(nèi)，應(yīng)保持較淡的積云量，且無(wú)濃積云、卷云等存在。關(guān)于風(fēng)力要求是：采集過(guò)程中風(fēng)力應(yīng)低于5級(jí)，其中植物進(jìn)行采集時(shí)風(fēng)力應(yīng)低于3級(jí)。有關(guān)光源要求是：選擇自然太陽(yáng)光，滿(mǎn)足一定的輻照度以達(dá)到采集精度條件下的信噪比。即應(yīng)具備一定程度太陽(yáng)高度角，采集時(shí)太陽(yáng)天頂角低于50o�？偟膩�(lái)說(shuō)，在中緯度的區(qū)域夏季采集節(jié)點(diǎn)為當(dāng)?shù)貢r(shí)間10點(diǎn)至14點(diǎn)；低緯度的區(qū)域?qū)Σ杉瘯r(shí)段的要求更為寬松一些；而在高緯度區(qū)域及冬季對(duì)于時(shí)段的要求則會(huì)更加嚴(yán)格。因此，此次采集過(guò)程于2019年7月23~24兩天內(nèi)完成，實(shí)驗(yàn)的具體時(shí)間選擇在上午12點(diǎn)與下午2點(diǎn)之間實(shí)施。另外，衣著白色、藍(lán)色、黃色等高反射率服飾，會(huì)對(duì)測(cè)定對(duì)象的光譜信息造成干擾；所以，采集期間采集人員不能身穿淺色、特色服飾。同時(shí)為了避免儀器自身響應(yīng)元件對(duì)測(cè)量精度的影響，應(yīng)在開(kāi)始

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)稀土資源現(xiàn)狀及選礦技術(shù)進(jìn)展[J]. 劉琦,周芳,馮健,劉旭,徐源來(lái),吳曉燕,池汝安.  礦產(chǎn)保護(hù)與利用. 2019(05)
[2]基于無(wú)人機(jī)高光譜遙感的東北粳稻冠層葉片氮素含量反演方法研究[J]. 馮帥,許童羽,于豐華,陳春玲,楊雪,王念一.  光譜學(xué)與光譜分析. 2019(10)
[3]基于高光譜和BP神經(jīng)網(wǎng)絡(luò)的棉花冠層葉綠素含量聯(lián)合估算[J]. 依爾夏提·阿不來(lái)提,白燈莎·買(mǎi)買(mǎi)提艾力,買(mǎi)買(mǎi)提·沙吾提,安申群.  光學(xué)學(xué)報(bào). 2019(09)
[4]東洞庭湖濕地植被高光譜數(shù)據(jù)降維與分類(lèi)[J]. 李世波,林輝,葛淼.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2019(11)
[5]煤炭礦區(qū)植被冠層光譜土地復(fù)墾敏感性分析[J]. 趙恒謙,張文博,朱孝鑫,畢銀麗,李瑤,趙學(xué)勝,金倩.  光譜學(xué)與光譜分析. 2019(06)
[6]柑橘葉片葉綠素含量拉曼光譜定量分析方法研究[J]. 劉燕德,程夢(mèng)杰,郝勇,張宇,侯兆國(guó).  光譜學(xué)與光譜分析. 2019(06)
[7]基于冠層光譜紅邊參數(shù)和植被指數(shù)的冬小麥水分脅迫監(jiān)測(cè)[J]. 郭建茂,王星宇,李淑婷,謝曉燕,劉榮花,于庚康.  江蘇農(nóng)業(yè)科學(xué). 2019(10)
[8]水稻冠層葉綠素含量高光譜估算模型[J]. 武旭梅,常慶瑞,落莉莉,由明明.  干旱地區(qū)農(nóng)業(yè)研究. 2019(03)
[9]基于連續(xù)統(tǒng)去除和偏最小二乘回歸的油菜SPAD高光譜估算[J]. 鄭煜,常慶瑞,王婷婷,楊景.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(08)
[10]高光譜的礦區(qū)植物異常信息提取[J]. 崔世超,周可法,丁汝福.  光譜學(xué)與光譜分析. 2019(01)

碩士論文
[1]高光譜遙感在大冶銅鐵礦區(qū)水環(huán)境監(jiān)測(cè)中的應(yīng)用[D]. 馬秀強(qiáng).中國(guó)地質(zhì)大學(xué)(北京) 2018
[2]基于BP神經(jīng)網(wǎng)絡(luò)的冬小麥抽穗期葉片生理生化指標(biāo)的高光譜估測(cè)研究[D]. 呂瑋.山東農(nóng)業(yè)大學(xué) 2018
[3]離子型稀土礦區(qū)復(fù)墾地植被光譜特征提取及葉綠素含量反演研究[D]. 歐彬.江西理工大學(xué) 2018



本文編號(hào)：3572181